كيفية تحسين أداء NLU للمساعدات الافتراضية الذكية – TechToday

في هذه المدونة ، سنتحدث عن كيفية تحسين أداء معالجة اللغة الطبيعية (NLP) للمساعدين الظاهريين الأذكياء. هذا مهم لأن مساعدك الافتراضي الذكي (IVA) يمكنه تفسير غرض العميل بسرعة وموثوقية وتلبية توقعات العملاء بفضل تحسين البرمجة اللغوية العصبية (NLP). بعد بذل كل الجهود لتصميم وبناء واختبار وتشغيل المساعد الافتراضي الخاص بك ، فأنت الآن تريد التأكد من أنه بمرور الوقت يصبح أكثر ذكاءً وتحسينًا وتقديم تجربة أفضل لجميع المستخدمين. إذن كيف يمكنك تحسين معالجة اللغة الطبيعية؟

ما هي معالجة اللغة الطبيعية؟

تملي قدرة روبوت المحادثة على فهم المستخدم والتفاعل معه باستمرار قوة معالجة اللغة الطبيعية (NLP) التي تشغل المحادثة. البرمجة اللغوية العصبية هو علم استنتاج النية والمعلومات ذات الصلة من المحادثات الطبيعية.

يمر تدفق المحادثة في المساعدين الافتراضيين لـ Kore.ai عبر محركات ومحركات محادثة مختلفة لفهم اللغة الطبيعية (NLU) قبل أن تقرر IVA الإجراء والاستجابة. إن الواجب الأساسي لـ NLU هو فهم معنى إدخال الصوت أو النص وتحديد نيته ، وفهم اللغة البشرية بشكل أساسي.

تستخدم منصة Kore.ai XO إستراتيجية فريدة لمعالجة اللغة الطبيعية ، تجمع بين المعنى الأساسي ومحركات التعلم الآلي لتحقيق أقصى قدر من دقة المحادثة مع القليل من التدريب المسبق. يمكن للروبوتات المبنية على منصة Kore.ai فهم ومعالجة الرسائل متعددة الجمل والنوايا المتعددة والمراجع السياقية التي قدمها المستخدم والأنماط والجمل الاصطلاحية والمزيد.

كيفية تحسين أداء البرمجة اللغوية العصبية للمساعدين الظاهريين

نظرًا لأن مساعدك الافتراضي يتعامل مع قاعدة مستخدمين متنوعة ، فإنه سينشئ ثروة من البيانات. ستوفر هذه البيانات رؤى حول الجوانب التي تعمل بشكل جيد وما لا تعمل بشكل جيد ، مما يساعدك على تحديد الثغرات والمجالات المحتملة للتحسين.

هناك طريقتان رئيسيتان لتحسين أداء معالجة اللغة الطبيعية (NLP). الأول هو توسيع أو تحسين البيانات المستخدمة لتدريب نماذج التعلم الآلي الخاصة بك أو عن طريق مزيد من التدريب للمساعد الافتراضي. تتضمن الطريقة الثانية تعديل نطاق حالات الاستخدام أو الميزات أو القدرات.

فيما يلي إرشادات أساسية يجب وضعها في الاعتبار أثناء مراجعة أداء IVA:

• تحديد المشاكل – الحصول على فكرة واضحة عن ما يفترض أن تحققه جمعية الموانئ المستقلة. تحدث إلى محللي الأعمال ومطوري IVA لفهم المتطلبات والوظائف الفعلية للمساعد الظاهري.
• مراجعة تحليلات البيانات – تعد مجموعة التحليلات الشاملة ضرورية لفعالية المساعد الافتراضي. كلما زادت تفاصيل بياناتك ، زادت مساعدتك في تحديد الفجوات الموجودة في الأداء وفهمها.

• قم بعصف ذهني لما قد يطلبه المستخدم النهائي كجزء من تحقيق نيته – ستكون هذه الأقوال البديلة لكل نية. حاول أيضًا تضمين العبارات الاصطلاحية والعامية.

الطريقة الأولى: التحسين بناءً على رؤى المحادثة والتحليلات

تساعدك ميزة NLP Insights على فهم بيانات التحليلات وتقييم أداء مساعدك الافتراضي في تحديد المهام وتنفيذها. يمكنك تحسين أداء IVA الخاص بك بناءً على هذه الأفكار. ال تحليل> رؤى البرمجة اللغوية العصبية تعرض الصفحة المعلومات المحددة في الأقسام التالية:

ومع ذلك ، لتصنيف الكلام المنطوق على أنه إيجابيات حقيقية (TP) ، وسلبيات حقيقية (TN) ، وإيجابيات خاطئة (FP) ، وسلبيات كاذبة (FN) ، فأنت بحاجة إلى استعراض جميع الكلمات المنطوقة عبر علامات تبويب متعددة في NLP Insights. قد يكون هناك الملايين من الأقوال التي يحتاج مصمم الروبوت إلى مراجعتها ، والتي قد تكون مملة وتستغرق وقتًا طويلاً.

رؤى المحادثة تحت حلل في منصة Kore.ai XO ، تجمع الكلمات المنطوقة في مجموعة ، بناءً على معناها الدلالي وتوفر اسمًا لكل مجموعة من هذه المجموعات ، مما يتجنب الحاجة إلى تحليل جميع أقوال المجموعة.

تحقق من وجود ايجابيات خاطئة وطلبات بحث خارج النطاق

تشير الاستعلامات خارج النطاق إلى الأسئلة التي فشل المساعد الافتراضي في فهمها. في مثل هذه الحالات ، من الممكن أيضًا تحديد الإيجابيات الخاطئة – المواقف التي يعتقد فيها المساعد الافتراضي عن طريق الخطأ أنه قد فهم طلب المستخدم بشكل صحيح عندما يكون في الواقع قد أساء تفسير نية المستخدم.

ستجد أدناه مزيد من التفاصيل حول سيناريوهات TP و TN و FP و FN مع أمثلة:

صحيح إيجابي

تشير الإيجابيات الحقيقية (TP) إلى الحالات التي يحدد فيها المساعد الظاهري بشكل صحيح نية الكلام. على سبيل المثال ، إذا قال المستخدم “ما حالة الطقس اليوم؟” ، وقام المساعد الافتراضي بتعريف القصد بشكل صحيح على أنه “get_weather” ، فسيكون هذا أمرًا إيجابيًا حقيقيًا.
في هذا المثال ، يتم تعيين النية بشكل صحيح إلى تحقق من الرصيد، ومن ثم فهي إيجابية حقيقية

سلبي حقيقي

تشير السلبيات الحقيقية (TN) إلى الحالات التي يحدد فيها المساعد الظاهري بشكل صحيح أن الكلام لم يتطابق مع أي من المقاصد المحددة. على سبيل المثال ، إذا قال المستخدم “لست متأكدًا مما تقصده” ، وحدد المساعد الافتراضي بشكل صحيح أن هذا لا يتطابق مع أي من النوايا المحددة ، فسيكون ذلك سلبيًا حقيقيًا.

في المثال التالي ، لم يتطابق نطق المستخدم “للغاية المحتمل” مع أي مقاصد محددة ويتم تصنيفها على أنها قصد غير محدد.

إيجابية كاذبة

تشير الإيجابيات الكاذبة (FP) إلى الحالات التي يحدد فيها المساعد الافتراضي بشكل غير صحيح نية الكلام. على سبيل المثال ، إذا قدم المستخدم اسم حسابه المصرفي ، وقام المساعد الافتراضي بتعريف الهدف بشكل غير صحيح على أنه “إغلاق الحساب” ، فسيكون هذا خطأ إيجابيًا.

سلبي خطأ

تشير السلبيات الكاذبة (FN) إلى الحالات التي يحدد فيها المساعد الافتراضي بشكل غير صحيح أن الكلام لم يتطابق مع أي من المقاصد المحددة. على سبيل المثال ، إذا قال المستخدم “ما حالة الطقس اليوم؟” ، وحدد المساعد الافتراضي بشكل غير صحيح أن هذا لا يتطابق مع أي من النوايا المحددة ، فسيكون هذا خطأ سلبيًا.
في هذا المثال ، تم تعيين عبارة “إنشاء حساب” بشكل خاطئ على أنها نية غير محددة ، وبالتالي ستكون سلبية كاذبة.

أعد تدريب نماذج التعلم الآلي الخاصة بك

بمجرد تحديد الإيجابيات الكاذبة والاستعلامات خارج النطاق ، فإن الخطوة التالية هي إضافة تلك البيانات أو الأقوال أو تلك الاستعلامات مرة أخرى إلى بيانات التدريب. يعد تحسين نماذج التعلم الآلي من خلال إعادة التدريب المستمر أمرًا أساسيًا لتعزيز ذكاء مساعدك الافتراضي. تساعد هذه الخطوة الحاسمة في تقليل التناقضات وتحسين كيفية فهم المساعد الافتراضي للمستخدم أثناء المشاركة.

الطريقة الثانية: تغيير نطاق وقائع الاستخدام الخاصة بك

هناك طريقة أخرى لتحسين أداء البرمجة اللغوية العصبية وهي تغيير نطاق حالات الاستخدام الخاصة بك. على سبيل المثال ، قد يكون لديك حالتا استخدام فريدتان متشابهتان لفظيًا وقد يطرح المستخدمون أسئلتهم بطريقة مماثلة لكليهما. على سبيل المثال ، “تحويل الأموال” و “إجراء الدفع” هما حالتا استخدام فريدان قد يطلبهما المستخدمون بطريقة مماثلة.

هذا هو السبب في أن مرحلة تحديد النطاق والتصميم للمساعد الافتراضي الخاص بك أمر بالغ الأهمية. قد تكتشف أن بعض الاستعلامات يتم تصنيفها بشكل غير صحيح تحت نية خاطئة. تتيح لك هذه الرؤية إعادة النظر في نطاق كل حالة استخدام وتعديله ، مما يضمن أنها محددة بما يكفي لمطابقة استفسارات المستخدم بدقة ، مع كونها أيضًا شاملة بما يكفي لتشمل مجموعة متنوعة من الطرق التي يمكن أن يُسأل عنها موضوع ما.

لمعرفة المزيد حول بناء وتحسين المساعدين الافتراضيين تقوم بمراجعة صفحة التوثيق الخاصة بنا حول تحسين أداء البرمجة اللغوية العصبية.

تريد معرفة المزيد؟

نحن هنا لدعم رحلتك التعليمية. هل أنت مستعد لتولي بناء الروبوت ولكنك لست متأكدًا من أين تبدأ؟ تعلم مهارات الذكاء الاصطناعي للمحادثة واحصل على شهادة على منصة Kore.ai Experience Optimization (XO).

كشركة رائدة في منصات وحلول الذكاء الاصطناعي للمحادثة ، تساعد Kore.ai المؤسسات على أتمتة تفاعلات الأعمال في المكاتب الأمامية والخلفية لتقديم تجارب غير عادية لعملائها ووكلائها وموظفيها.